下载python中MongoDB的驱动程序
pip install pymongo
然后确保MongoDB已经安装且可以正常运行,去官网下载相应版本:https://www.mongodb.com/
mkdir -p /home/tools
cd/home/tools
wget https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-3.4.2.tgz
解压文件并修改目录名
tar -zxvf mongodb-linux-x86_64-3.4.2.tgz
mv mongodb-linux-x86_64-3.4.2 mongodb3.4.2
ln -s mongodb_3.4.2 mongodb
MongoDB 的可执行文件位于 bin 目录下,所以可以将其添加到 PATH 路径中
export PATH=/home/tools/mongodb/bin:$PATH
MongoDB的数据存储在data目录的db目录下,但是这个目录在安装过程不会自动创建,所以你需要手动创建data目录,并在data目录中创建db目录。
mkdir -p /data/db
在mongo安装目录中的bin目录执行mongod命令来启动mongdb服务
./mongod --dbpath /data/db
如果想进入MongoDB后台管理
./mongo
# ./mongoMongoDB shell version v3.4.2connecting to: mongodb://127.0.0.1:27017MongoDB server version: 3.4.2Welcome to the MongoDB shell......................
times number of files.2017-03-12T01:15:04.901+0800 I CONTROL [initandlisten]
>
使用用户 admin 使用密码 123456 连接到本地的 MongoDB 服务上
>mongodb://admin:123456@localhost/...
创建数据库(如果数据库不存在,则创建数据库,否则切换到指定数据库)
... use test2017-03-12T01:34:04.361+0800 E QUERY [thread1] SyntaxError: missing before statement @(shell):3:4
>use test
switched to db test>db
test>show dbs #查看所有数据库admin 0.000GB
local 0.000GB
python *** 作mongodb
连接mongodb
#!/usr/bin/env python# -*- coding:utf-8 -*-from pymongo import MongoClient
conn = MongoClient('192.168.0.113', 27017)
db = conn.mydb #连接mydb数据库,没有则自动创建my_set = db.test_set#使用test_set集合,没有则自动创建
插入数据(insert插入一个列表多条数据不用遍历,效率高, save需要遍历列表,一个个插入)
my_set.insert({"name":"zhangsan","age":18})#或my_set.save({"name":"zhangsan","age":18})
插入多条
#添加多条数据到集合中users=[{"name":"zhangsan","age":18},{"name":"lisi","age":20}]
my_set.insert(users)
#或my_set.save(users)
查询数据(查询不到则返回None)
#查询全部for i in my_set.find(): print(i)#查询name=zhangsan的for i in my_set.find({"name":"zhangsan"}): print(i)print(my_set.find_one({"name":"zhangsan"}))
更新数据
my_set.update( <query>, #查询条件
<update>, #update的对象和一些更新的 *** 作符 {
upsert: <boolean>, #如果不存在update的记录,是否插入
multi: <boolean>, #可选,mongodb 默认是false,只更新找到的第一条记录
writeConcern: <document> #可选,抛出异常的级别。 }
)
把上面插入的数据内的age改为20
my_set.update({"name":"zhangsan"},{'$set':{"age":20}})
删除数据
my_set.remove( <query>, #(可选)删除的文档的条件 {
justOne: <boolean>, #(可选)如果设为 true 或 1,则只删除一个文档
writeConcern: <document> #(可选)抛出异常的级别 }
)
#删除name=lisi的全部记录my_set.remove({'name': 'zhangsan'})#删除name=lisi的某个id的记录id = my_set.find_one({"name":"zhangsan"})["_id"]
my_set.remove(id)#删除集合里的所有记录db.users.remove()
mongodb的条件 *** 作符
# (>) 大于 - $gt# (<) 小于 - $lt# (>=) 大于等于 - $gte# (<= ) 小于等于 - $lte
#例:查询集合中age大于25的所有记录for i in my_set.find({"age":{"$gt":25}}): print(i)
type(判断类型)
#找出name的类型是String的for i in my_set.find({'name':{'$type':2}}): print(i)
类型队对照列表
排序
在MongoDB中使用sort()方法对数据进行排序,sort()方法可以通过参数指定排序的字段,并使用 1 和 -1 来指定排序的方式,其中 1 为升序,-1为降序。
for i in my_set.find().sort([("age",1)]): print(i)
limit和skip
#limit()方法用来读取指定数量的数据#skip()方法用来跳过指定数量的数据#下面表示跳过两条数据后读取6条for i in my_set.find().skip(2).limit(6): print(i)
IN
#找出age是20、30、35的数据for i in my_set.find({"age":{"$in":(20,30,35)}}): print(i)
OR
#找出age是20或35的记录for i in my_set.find({"$or":[{"age":20},{"age":35}]}): print(i)
all
'''dic = {"name":"lisi","age":18,"li":[1,2,3]}
dic2 = {"name":"zhangsan","age":18,"li":[1,2,3,4,5,6]}
my_set.insert(dic)
my_set.insert(dic2)'''for i in my_set.find({'li':{'$all':[1,2,3,4]}}): print(i)#查看是否包含全部条件#输出:{'_id': ObjectId('58c503b94fc9d44624f7b108'), 'name': 'zhangsan', 'age': 18, 'li': [1, 2, 3, 4, 5, 6]}
push/pushAl
my_set.update({'name':"lisi"}, {'$push':{'li':4}})for i in my_set.find({'name':"lisi"}): print(i)#输出:{'li': [1, 2, 3, 4], '_id': ObjectId('58c50d784fc9d44ad8f2e803'), 'age': 18, 'name': 'lisi'}my_set.update({'name':"lisi"}, {'$pushAll':{'li':[4,5]}})for i in my_set.find({'name':"lisi"}): print(i)#输出:{'li': [1, 2, 3, 4, 4, 5], 'name': 'lisi', 'age': 18, '_id': ObjectId('58c50d784fc9d44ad8f2e803')}
pop/pull/pullAll
#pop#移除最后一个元素(-1为移除第一个)my_set.update({'name':"lisi"}, {'$pop':{'li':1}})for i in my_set.find({'name':"lisi"}): print(i)#输出:{'_id': ObjectId('58c50d784fc9d44ad8f2e803'), 'age': 18, 'name': 'lisi', 'li': [1, 2, 3, 4, 4]}#pull (按值移除)#移除3my_set.update({'name':"lisi"}, {'$pop':{'li':3}})#pullAll (移除全部符合条件的)my_set.update({'name':"lisi"}, {'$pullAll':{'li':[1,2,3]}})for i in my_set.find({'name':"lisi"}): print(i)#输出:{'name': 'lisi', '_id': ObjectId('58c50d784fc9d44ad8f2e803'), 'li': [4, 4], 'age': 18}
多级路径元素 *** 作
先插入一条数据
dic = {"name":"zhangsan", "age":18, "contact" : { "email" : "[email protected]", "iphone" : "11223344"}
}
my_set.insert(dic)
#多级目录用. 连接for i in my_set.find({"contact.iphone":"11223344"}): print(i)#输出:{'name': 'zhangsan', '_id': ObjectId('58c4f99c4fc9d42e0022c3b6'), 'age': 18, 'contact': {'email': '[email protected]', 'iphone': '11223344'}}result = my_set.find_one({"contact.iphone":"11223344"})print(result["contact"]["email"])#输出:[email protected]#多级路径下修改 *** 作result = my_set.update({"contact.iphone":"11223344"},{"$set":{"contact.email":"[email protected]"}})
result1 = my_set.find_one({"contact.iphone":"11223344"})print(result1["contact"]["email"])#输出:[email protected]
还可以对数组用索引 *** 作
dic = {"name":"lisi", "age":18, "contact" : [
{ "email" : "[email protected]", "iphone" : "111"},
{ "email" : "[email protected]", "iphone" : "222"}
]}
my_set.insert(dic)
#查询result1 = my_set.find_one({"contact.1.iphone":"222"})print(result1)#输出:{'age': 18, '_id': ObjectId('58c4ff574fc9d43844423db2'), 'name': 'lisi', 'contact': [{'iphone': '111', 'email': '[email protected]'}, {'iphone': '222', 'email': '[email protected]'}]}#修改result = my_set.update({"contact.1.iphone":"222"},{"$set":{"contact.1.email":"[email protected]"}})print(result1["contact"][1]["email"])#输出:[email protected]
python 访问 mongodb 需要先安装 pymongo,如下:
1pip install pymongotxt 文件格式:
代码如下:
#coding=utf-8 from pymongo import MongoClient conn = MongoClient('127.0.0.1', 27017) # 连接 test 数据库,没有则自动创建db = conn.test # 使用 students 集合,没有则自动创建students = db.students # 打开学生信息文件, 并将数据存入到数据库with open('students.txt', 'r') as f: for line in f.readlines(): # 分割学生信息 items = line.strip('\r').strip('\n').split(',') # 添加到数据库 students.insert({ 'stu_id': items[0], 'name': items[1], 'grade': int(items[2]) }) # 数据库查询学生信息并打印出来for s in students.find(): print(s)
模块
1.定义
计算机在开发过程中,代码越写越多,也就越难以维护,所以为了编写可维护的代码,我们会把函数进行分组,放在不同的文件里。在python里,一个.py文件就是一个模块。
2.优点:
提高代码的可维护性。
提高代码的复用,当模块完成时就可以在其他代码中调用。
引用其他模块,包含python内置模块和其他第三方模块。
避免函数名和变量名等名称冲突。
python内建模块:
1.sys模块
2.random模块
3.os模块:
os.path:讲解
https://www.cnblogs.com/yufeihlf/p/6179547.html
数据可视化
1.matplotlib :
是Python可视化程序库的泰斗,它的设计和在1980年代被设计的商业化程序语言MATLAB非常接近。比如pandas和Seaborn就是matplotlib的外包,它们让你能用更少的代码去调用 matplotlib的方法。
访问:
https://matplotlib.org/
颜色:
https://www.cnblogs.com/darkknightzh/p/6117528.html
教程:
https://wizardforcel.gitbooks.io/matplotlib-user-guide/3.1.html
2.Seaborn:
它是构建在matplotlib的基础上的,用简洁的代码来制作好看的图表。Seaborn跟matplotlib最大的区别就是它的默认绘图风格和色彩搭配都具有现代美感。
访问:
http://seaborn.pydata.org/index.html
3.ggplot:
gplot 跟 matplotlib 的不同之处是它允许你叠加不同的图层来完成一幅图
访问:
http://ggplot.yhathq.com/
4.Mayavi:
Mayavi2完全用Python编写,因此它不但是一个方便实用的可视化软件,而且可以方便地用Python编写扩展,嵌入到用户编写的Python程序中,或者直接使用其面向脚本的API:mlab快速绘制三维图
访问:http://code.enthought.com/pages/mayavi-project.html
讲解:https://blog.csdn.net/ouening/article/details/76595427https://www.jianshu.com/p/81e6f4f1cdd8
5.TVTK:
TVTK库对标准的VTK库进行包装,提供了Python风格的API、支持Trait属性和numpy的多维数组。
VTK (http://www.vtk.org/) 是一套三维的数据可视化工具,它由C++编写,包涵了近千个类帮助我们处理和显示数据
讲解:https://docs.huihoo.com/scipy/scipy-zh-cn/tvtk_intro.html
机器学习
1.Scikit-learn
是一个简单且高效的数据挖掘和数据分析工具,易上手,可以在多个上下文中重复使用。它基于NumPy, SciPy 和 matplotlib,开源,可商用(基于 BSD 许可)。
访问:
讲解:https://blog.csdn.net/finafily0526/article/details/79318401
2.Tensorflow
最初由谷歌机器智能科研组织中的谷歌大脑团队(Google Brain Team)的研究人员和工程师开发。该系统设计的初衷是为了便于机器学习研究,能够更快更好地将科研原型转化为生产项目。
相关推荐:《Python视频教程》
Web框架
1.Tornado
访问:http://www.tornadoweb.org/en/stable/
2.Flask
访问:http://flask.pocoo.org/
3.Web.py
访问:http://webpy.org/
4.django
https://www.djangoproject.com/
5.cherrypy
http://cherrypy.org/
6.jinjs
http://docs.jinkan.org/docs/jinja2/
GUI 图形界面
1.Tkinter
https://wiki.python.org/moin/TkInter/
2.wxPython
https://www.wxpython.org/
3.PyGTK
http://www.pygtk.org/
4.PyQt
https://sourceforge.net/projects/pyqt/
5.PySide
http://wiki.qt.io/Category:LanguageBindings::PySide
科学计算
教程
https://docs.huihoo.com/scipy/scipy-zh-cn/index.html#
1.numpy
访问
http://www.numpy.org/
讲解
https://blog.csdn.net/lm_is_dc/article/details/81098805
2.sympy
sympy是一个Python的科学计算库,用一套强大的符号计算体系完成诸如多项式求值、求极限、解方程、求积分、微分方程、级数展开、矩阵运算等等计算问题
访问
https://docs.sympy.org/0.7.1/guide.html#guide
讲解
https://www.jianshu.com/p/339c91ae9f41
解方程
https://www.cnblogs.com/zyg123/p/10549354.html
3.SciPy
官网
https://www.scipy.org/
讲解
https://blog.csdn.net/wsp_1138886114/article/details/80444621
4.pandas
官网
http://pandas.pydata.org/
讲解
https://www.cnblogs.com/linux-wangkun/p/5903945.html
5.blaze
官网
http://blaze.readthedocs.io/en/latest/index.html
密码学
1.cryptography
https://pypi.python.org/pypi/cryptography/
2.hashids
http://www.oschina.net/p/hashids
3.Paramiko
http://www.paramiko.org/
4.Passlib
https://pythonhosted.org/passlib/
5.PyCrypto
https://pypi.python.org/pypi/pycrypto
6.PyNacl
http://pynacl.readthedocs.io/en/latest/
爬虫相关
requests
http://www.python-requests.org/
scrapy
https://scrapy.org/
pyspider
https://github.com/binux/pyspider
portia
https://github.com/scrapinghub/portia
html2text
https://github.com/Alir3z4/html2text
BeautifulSoup
https://www.crummy.com/software/BeautifulSoup/
lxml
http://lxml.de/
selenium
http://docs.seleniumhq.org/
mechanize
https://pypi.python.org/pypi/mechanize
PyQuery
https://pypi.python.org/pypi/pyquery/
creepy
https://pypi.python.org/pypi/creepy
gevent
一个高并发的网络性能库
http://www.gevent.org/
图像处理
bigmoyan
http://scikit-image.org/
Python Imaging Library(PIL)
http://www.pythonware.com/products/pil/
pillow:
http://pillow.readthedocs.io/en/latest/
自然语言处理
1.nltk:
http://www.nltk.org/
教程
https://blog.csdn.net/wizardforcel/article/details/79274443
2.snownlp
https://github.com/isnowfy/snownlp
3.Pattern
https://github.com/clips/pattern
4.TextBlob
http://textblob.readthedocs.io/en/dev/
5.Polyglot
https://pypi.python.org/pypi/polyglot
6.jieba:
https://github.com/fxsjy/jieba
数据库驱动
mysql-python
https://sourceforge.net/projects/mysql-python/
PyMySQL
https://github.com/PyMySQL/PyMySQL
PyMongo
https://docs.mongodb.com/ecosystem/drivers/python/
pymongo
MongoDB库
访问:https://pypi.python.org/pypi/pymongo/
redis
Redis库
访问:https://pypi.python.org/pypi/redis/
cxOracle
Oracle库
访问:https://pypi.python.org/pypi/cx_Oracle
SQLAlchemy
SQL工具包及对象关系映射(ORM)工具
访问:http://www.sqlalchemy.org/
peewee,
SQL工具包及对象关系映射(ORM)工具
访问:https://pypi.python.org/pypi/peewee
torndb
Tornado原装DB
访问:https://github.com/bdarnell/torndb
Web
pycurl
URL处理工具
smtplib模块
发送电子邮件
其他库暂未分类
1.PyInstaller:
是一个十分有用的第三方库,它能够在Windows、Linux、 Mac OS X 等 *** 作系统下将 Python 源文件打包,通过对源文件打包, Python 程序可以在没有安装 Python 的环境中运行,也可以作为一个 独立文件方便传递和管理。
2.Ipython
一种交互式计算和开发环境
讲解
https://www.cnblogs.com/zzhzhao/p/5295476.html
命令
ls、cd 、run、edit、clear、exist
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)